《表3 验证数据集底质制图类型的混淆矩阵》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《沉积物粒度组分空间预测的神经网络残余kriging方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注：“|”前、后的数字分别为GRNNRK和kriging方法对验证数据集底质预测类型的统计结果。

从表5可以看出，GRNNRK方法对验证数据集和全体数据集的总体制图精度分别为86.4%和89.7%，均高于kriging方法的总体制图精度的81.8%和85.1%，并且其验证数据集和全体数据集的Kappa系数均在0.8以上，也显著高于kriging方法相应的Kappa系数，表明GRNNRK方法的底质制图的预测类型与实测类型的一致性较高，其制图结果要优于kriging方法。